LightGBM並びにSHAP値による知覚ストレスに対する重要度分析

DOI

書誌事項

タイトル別名
  • Analysis of the Importance for Perceived Stress using LightGBM and SHAP Values

この論文をさがす

抄録

<p>国の調査によると、ストレスを感じている労働者は58%であり対策は急務である。しかし、ストレスの発生機序は様々な要因が複雑に絡んでおり、多重共線性の問題などから従来の統計手法では検討には限界があった。そこで、本研究では、企業での大規模な健康調査において、機械学習を用いて多角的にストレスに影響を与える因子を検討し、その重要度について考察した。対象はA物流企業の7,255名の男性であり、6,166(85%)名の参加の同意を得た。調査は、職業性ストレッサー(営業所、通勤時間、業務内容、労働時間、深夜勤務、仕事余暇、心理的安全性、仕事要求度、仕事調整)、個人要因(年齢、職種、社歴、同居、ストレス対処能力)、業務外要因(BMI、喫煙、飲酒、運動、家事、介護、睡眠の質)、緩衝要因(上司支援、同僚支援)、以上31の因子に加えて、知覚ストレスについて自記式アンケートにて実施した。解析は、まず主成分分析により多変量による構成因子の可能性を検討した後、機械学習の4手法(RandomForest, XGBoost, LightGBM, CatBoost)を用いて分析し、最も高い決定係数を示したLightGBMを用いた。重要度算出は、一貫性が証明されているSHAP値を用いた。その結果、ストレス対処能力が最も重要度が高く、次に睡眠の質という結果となった。ストレス対処能力や睡眠の質の向上などに係る対策の重要性が示されたと考える。また、機械学習により多要因を同時に検討することにより、ストレス軽減対策について優先順位を付け実施する可能性を示した。</p>

収録刊行物

詳細情報 詳細情報について

問題の指摘

ページトップへ